Testes de significância e análiseTestes de significância e análiseParte 1Parte 1

The Union, Paris, FrançaMSF – Centro Operacional de Bruxelas, Luxemburgo

OMS, Genebra

Antes de começar esta Antes de começar esta sessãosessão

Você ainda deve ter Você ainda deve ter A_Analysis.recA_Analysis.rec e e A_Analysis.chkA_Analysis.chk na pasta Epidata_course na pasta Epidata_course

Abra a Abra a pasta Resources Day 3 pasta Resources Day 3 resourcesresources

Lecture 2 & 3Lecture 2 & 3

Copie o arquivo Copie o arquivo A_Analysis.pgmA_Analysis.pgm e cole- e cole-o na pasta Epidata_courseo na pasta Epidata_course

Tópicos abordados

1. Hipótese nula

2. Valor P

3. Teste do qui-quadrado/qui-quadrado para tendência

4. Teste T

5. Teste de soma de postos de Wilcoxon/teste de Kruskal-Wallis

1. Hipótese nula• Hipótese nula = caso em que não há Hipótese nula = caso em que não há

nenhuma diferença entre os grupos nenhuma diferença entre os grupos comparadoscomparados

• Por exemplo, na comparação do risco de Por exemplo, na comparação do risco de câncer de pulmão em fumantes e não câncer de pulmão em fumantes e não fumantes:fumantes:

Hipótese nula = não há diferença no risco Hipótese nula = não há diferença no risco do câncer de pulmão em fumantes e não do câncer de pulmão em fumantes e não fumantesfumantes

2. Valor P• O valor O valor PP indica o quanto nossos resultados indica o quanto nossos resultados

são compatíveis com a hipótese nulasão compatíveis com a hipótese nula

– Valor Valor PP alto alto• Os resultados são muito compatíveis com a hipótese Os resultados são muito compatíveis com a hipótese

nulanula• Pouca ou nenhuma evidência para rejeitar a hipótese Pouca ou nenhuma evidência para rejeitar a hipótese

nulanula

– Valor Valor PP baixo baixo • Os resultados Os resultados nãonão são compatíveis com a hipótese nula são compatíveis com a hipótese nula• Temos evidências sólidas para rejeitar a hipótese nulaTemos evidências sólidas para rejeitar a hipótese nula

Estatística: valor P| 1,0 Não significativo || Significativo | 0,05 | valor P Muito significativo | 0,01| Extremamente significativo | 0,001

• Expresse valores P exatos em vez descrevê-los como “significativos” ou “não significativos”.

Estatística, valor P – exemplo

Cálculo do valor Cálculo do valor PP Apresentação Apresentação adequadaadequada

0,14560,1456 0,150,15

0,06670,0667 0,070,07

0,0043800,004380 0,0040,004

0,00007870,0000787 < 0,001< 0,001

Diferentes tipos de análise

Univariada: Univariada: Análise de uma variável Análise de uma variável

Bivariada: Bivariada: Análise de duas Análise de duas variáveisvariáveis

Multivariada: Multivariada: Análise de três ou mais Análise de três ou mais variáveisvariáveis

Análise bivariada

• Variável categórica x categóricaVariável categórica x categórica– Teste do qui-quadradoTeste do qui-quadrado– Teste do qui-quadrado para tendênciaTeste do qui-quadrado para tendência

• Variável categórica x contínuaVariável categórica x contínua– Teste TTeste T– Teste de soma de postos de Teste de soma de postos de

Wilcoxon/teste de Kruskal-WallisWilcoxon/teste de Kruskal-Wallis

3. Teste do qui-quadrado (²)

• Teste de significância para comparar Teste de significância para comparar duas ou mais proporções entre grupos duas ou mais proporções entre grupos independentesindependentes

ObsObs::

• Teste exato de Fisher: Teste exato de Fisher: usado como usado como alternativa ao teste do qui-quadrado alternativa ao teste do qui-quadrado quando o tamanho total da amostra é quando o tamanho total da amostra é muito pequeno (< 30) ou quando o muito pequeno (< 30) ou quando o valor esperado em qualquer célula < 5valor esperado em qualquer célula < 5

Estatística – Qui-quadrado (²)

Exemplo

Exemplo

Tipo de TB Grupo 1 Grupo 2 Valor P (²)n (%) n (%)

___________________________________________________________________TB com baciloscopia positiva 464 (44) 340 (37) 0,001TB com baciloscopia negativa 282 (26) 288 (31) 0,01TBEP 315 (30) 297 (32) 0,3___________________________________________________________________

Total 1061 925

Estatística – Qui-quadrado (²)

Como usar na prática• Abra o EpiData Analysis e clique emAbra o EpiData Analysis e clique em

Estatística – Qui-quadrado (²)

Como usar na prática• Na barra de comandos, aperte o botão Na barra de comandos, aperte o botão

“para cima” para acessar o último “para cima” para acessar o último comando e insira o comando “/ t” comando e insira o comando “/ t” (executa o teste do qui²)(executa o teste do qui²)

Teste do qui-quadrado• E se uma das variáveis tiver mais de

dois grupos?

Teste do qui-quadrado

E se quisermos comparar pacientes com HIV-1 e HIV-2 com relação a cada desfecho?

Teste qui-quadradoPara comparar pacientes com HIV-1 e HIV-2 em relação a cada desfecho, a variável ‘outcome’ (desfecho) tem que ser recategorizada como uma variável binária para cada desfecho de interesse, ou seja:•‘Vivo em TAR’ versus todos os outros desfechos•‘Óbito’ versus todos os outros desfechos•‘Abandono terapêutico’ versus todos os outros desfechos•‘Transferido’ versus todos os outros desfechos

Como fazer na prática

Vamos considerar, em primeiro lugar, o desfecho Vivo em TAR

define alive #–if outcome = 1 then alive = 1 if outcome >1 then alive = 2–labelvalue alive/1 = Vivo em TAR/2 = Outro

Como fazer na prática

Como fazer na prática

Em seguida, vamos considerar o desfecho Óbito

define died #–if outcome = 2 then died = 1 if outcome = 1 or outcome>2 then died = 2–labelvalue died/1=Óbito/2 = Outro

Como fazer na prática

Estatística – teste exato de FisherComo fazer na prática

• O EpiData Analysis avisa quando é O EpiData Analysis avisa quando é mais apropriado usar o teste exato de mais apropriado usar o teste exato de FisherFisher

Qui-quadrado para tendência (²)• Versão modificada do teste XVersão modificada do teste X²² usada quando trabalhamos com usada quando trabalhamos com

uma variável categórica ordenada, para avaliar se as proporções uma variável categórica ordenada, para avaliar se as proporções de um determinado de um determinado desfechodesfecho aumentam ou diminuem de forma aumentam ou diminuem de forma linear entre os níveis da linear entre os níveis da variável ordenadavariável ordenada..

Exemplo:Exemplo:• DesfechoDesfecho: Doença respiratória crônica (sim/não) : Doença respiratória crônica (sim/não) • ExposiçãoExposição: Tabagismo (variável ordenada): Tabagismo (variável ordenada)

– Não fumaNão fuma– Fuma moderadamenteFuma moderadamente– Fuma muitoFuma muito

• A pergunta seria: o risco de doenças respiratórias crônicas A pergunta seria: o risco de doenças respiratórias crônicas aumentaaumenta dos que não fumam para os que fumam muito? dos que não fumam para os que fumam muito?

• O cálculo (ainda) não pode ser feito no EpiData Analysis, mas O cálculo (ainda) não pode ser feito no EpiData Analysis, mas pode ser feito num software aberto como o OpenEpi pode ser feito num software aberto como o OpenEpi (www.openepi.org(www.openepi.org)

4. Teste t • Teste de significância usado para Teste de significância usado para

comparar as médias de dois gruposcomparar as médias de dois grupos

– P. ex., existe diferença na média de idade P. ex., existe diferença na média de idade entre pacientes com HIV-1 e pacientes com entre pacientes com HIV-1 e pacientes com HIV-2?HIV-2?

– P. ex., existe diferença na média de peso no P. ex., existe diferença na média de peso no início da TAR e 6 meses após o início da início da TAR e 6 meses após o início da TAR?TAR?

Estatística – teste t Como fazer na prática

• Existe diferença na média de idade Existe diferença na média de idade entre pacientes com HIV-1 e pacientes entre pacientes com HIV-1 e pacientes com HIV-2?com HIV-2?

5. Teste de soma de postos de Wilcoxon - teste de Kruskal-Wallis

• Para comparar as medianas de dois grupos, Para comparar as medianas de dois grupos, usamos o usamos o teste de soma de postos de teste de soma de postos de WilcoxonWilcoxon

• Para comparar as medianas de mais de dois Para comparar as medianas de mais de dois grupos, usamos o grupos, usamos o teste de Kruskal-Wallisteste de Kruskal-Wallis

• PORÉM… o EpiData Analysis só oferece o teste PORÉM… o EpiData Analysis só oferece o teste de Kruskal-Wallis. O que não é um grande de Kruskal-Wallis. O que não é um grande problema, pois os valores problema, pois os valores P P derivados de ambos derivados de ambos os testes são matematicamente idênticos.os testes são matematicamente idênticos.

Estatística – teste de Kruskal-Wallis Como fazer na prática

• Há uma diferença na contagem mediana de CD4 em Há uma diferença na contagem mediana de CD4 em pacientes com HIV-1 e HIV-2? pacientes com HIV-1 e HIV-2?

• Obs: lembre-se de excluir os valores faltantes antes de Obs: lembre-se de excluir os valores faltantes antes de executar a análise – executar a análise – select not (t0cdselect not (t0cd4=9999)4=9999)